Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sergio Madrigal
February, 2022
Contents
1 Modelos de optimización 2
1.1 Optimización, sistemas y modelos . . . . . . . . . . . . . . . . . . 2
1.1.1 Sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.2 Modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.3 Tipos de modelos . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Modelos matemáticos de optimización . . . . . . . . . . . . . . . 3
1.2.1 Fases del desarrollo de un modelo matemático . . . . . . . 4
1.3 Elementos de un modelo matemático de optimización . . . . . . . 5
1.3.1 Función objetivo . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.2 Variables . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.3 Restricciones . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.4 Datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.5 Solución . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Planteamiento de un modelo de programación matemática . . . . 8
1.4.1 Caso Práctico: Un modelo de inversión. . . . . . . . . . . 8
1.5 #### Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5.1 Formulación general del problema de optimización
matemática . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1
1 Modelos de optimización
1.1 Optimización, sistemas y modelos
Problema de decisión óptima: Cuando un decisor tiene que elegir entre
diversas alternativas, disponiendo para ello de un determinado criterio para
comparar dichas alternativas.
Solución al problema: Alternativa que resulte mejor según el criterio
1.1.1 Sistemas
Teoría de Sistemas
Definición 1.1: Un sistema es un conjunto de hombres y máquinas que actúan
de modo interactivo en un determinado ámbito.
Hombre: individuo, grupo, institución, gobierno, etc.
Máquina: ingenio mecánico, estructura social compleja con reglas de
conducta, etc.
(i) Ejemplo: Sistema económico.
Método científico:
1. Observación del sistema
2. Formulación de teorías sobre el comportamiento del sistema
3. Evaluación de las teorías
4. Obtención de consecuencias > poder tomar decisiones.
1.1.2 Modelos
Se puede evaluar un sistema experimentando directamente.
Ventajas:
• Situación real.
• Resultados fiables, precisos y de fácil interpretación.
Inconvenientes:
• Riesgos al manipular directamente el sistema.
• Alto coste, lentitud, imposibilidad de aplicación.
• Número de alternativas a examinar limitado
Definición 1.2: Un modelo es una representación aproximada de un sistema
real.
Ventajas:
• Más económico y rápido
• Permite evaluar un mayor número de alternativas.
• No existe riesgo.
2
Inconvenientes:
• Se pierde precisión y fiabilidad
• Interpretación de resultados confusa
• Resultados relevantes solo si el modelo es bueno.
Modelos Descripción
Físicos Representación del sistema tangible,
material (Ej: Maquetas, prototipos)
3
1.2.1 Fases del desarrollo de un modelo matemático
1.2.1.1 Análisis del sistema
• Punto de partida: constatar existencia de un sistema real cuyo fun-
cionamiento puede ser mejorado.
• Vislumbrar posibles vias de actuación para conseguirlo.
• Es necesario acotar el campo de actuación.
Tener en cuenta SOLO aquellos aspectos relevantes para el estudio
→ sistema real simplificado.
4
∗ Mejora la adaptación y aceptación.
1.3.2 Variables
Definición: Representación numérica de cada una de las alternativas del modelo.
Su elección es un aspecto clave de la definición del modelo.
Tipos:
• Controlables: el decisor puede fijar libremente sus niveles.
• Incotrolables: por el decisor. (Otros pueden controlarlas)
5
El número de variables es una cuestión fundamental en la viablidad del
modelo.
A pesar de que, idealmente, podemos modelizar con infinitas variables, la res-
olución numérica del problema pasa por una discretización del dominio de
las funciones.
Si las variables solo pueden tomar enteros → problema de optimización entera.
Constantes: cantidades que influyen en el modelo, pero que nadie
puede cambiar → representan alguna condición natural, física o de
def. inamovible.
Parámetros: Cantidades que el decisor fija libremente en un deter-
minad valor al considerar una aplicación concreta del modelo.
Es importante distinguir: variable vs parámetro.
• Los parámetros se fijan ANTES de resolver el problema.
• Las variables se obtienen como proudcto de la solución.
Es indispensable realizar un análisis de sensibilidad para observar el impacto en
la solución de posibles cambios en los parámetros.
1.3.3 Restricciones
Condiciones que describen el comportamiento del modelo.
Matemáticamente: ecuaciones e inecuaciones que relacionan las variables, los
parámatros y las constantes del modelo.
6
• Las realciones derivadas de los datos históricos pueden no ser una
descripción adecuada de las relaciones presentes o futuras.
– Al ser resultado de un funcionamiento no óptimo → consecuencias
inadecuadas.
– Se produce lo que se conoce como “paradoja de los datos”.
• Relaciones utilizadas → computables.
– Deseable: posean propiedades técnicas que faciliten el cálculo (e.g. con-
tinuidad, diferenciabilidad, convexidad, etc.)
1.3.4 Datos
Son responsabilidad del diseñador.
Si existe imposibilidad de disponer de ellos → replantear modelo. La incorpo-
ración de datos: responde a mayor/menor complejidad del modelo.
Modelos usan: datos cuantitativos.
Precisión: importancia secundaria → el análisis de sensibilidad tomará respons-
abilidad de ello más adelante.
1.3.5 Solución
Problemas derivados de la dificultad de las técnicas de optimización: condicionar
elección del modelo. Remedio: simplificar el modelo y modificar los requisitos.
Todos los componentes del modelo pueden variar dinámicamente (en el tiempo).
La influencia en el tiempo se puede tener en cuenta → variables y restricciones
dependientes del tiempo.
Esto lleva a problemas de grandes dimensiones → uso de optimización
dinámica:
• Se resuelve por etapas
• Se reconstruye la solución global.
• Cada etapa: técnica de optimización estática.
7
1.4 Planteamiento de un modelo de programación
matemática
Problema de inversión óptima.
8
Formalmente:
Sean (x1 , x2 , ..., xn ) un vector de variables ∈ espacio n-dimensional Rn .
Sean f : Rn −→ R1 , gi : Rn −→ R1 , i = 1, ..., m, hj : Rn −→ R1 j =
1, ..., p funciones definidas en Rn , entonces: